Enregistré dans:
| Auteurs principaux: | Feng, Chao, Wei, Zihao, Owens, Andrew |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2510.26799 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Efficient Vision-Language Pre-training by Cluster Masking
par: Wei, Zihao, et autres
Publié: (2024)
par: Wei, Zihao, et autres
Publié: (2024)
Visual Anagrams: Generating Multi-View Optical Illusions with Diffusion Models
par: Geng, Daniel, et autres
Publié: (2023)
par: Geng, Daniel, et autres
Publié: (2023)
New Encoder Learning for Captioning Heavy Rain Images via Semantic Visual Feature Matching
par: Son, Chang-Hwan, et autres
Publié: (2021)
par: Son, Chang-Hwan, et autres
Publié: (2021)
Motion Guidance: Diffusion-Based Image Editing with Differentiable Motion Estimators
par: Geng, Daniel, et autres
Publié: (2024)
par: Geng, Daniel, et autres
Publié: (2024)
RxnCaption: Reformulating Reaction Diagram Parsing as Visual Prompt Guided Captioning
par: Song, Jiahe, et autres
Publié: (2025)
par: Song, Jiahe, et autres
Publié: (2025)
D-ORCA: Dialogue-Centric Optimization for Robust Audio-Visual Captioning
par: Tang, Changli, et autres
Publié: (2026)
par: Tang, Changli, et autres
Publié: (2026)
Q-Adapter: Visual Query Adapter for Extracting Textually-related Features in Video Captioning
par: Chen, Junan, et autres
Publié: (2025)
par: Chen, Junan, et autres
Publié: (2025)
MaskDiME: Adaptive Masked Diffusion for Precise and Efficient Visual Counterfactual Explanations
par: Guo, Changlu, et autres
Publié: (2026)
par: Guo, Changlu, et autres
Publié: (2026)
MetaCaptioner: Towards Generalist Visual Captioning with Open-source Suites
par: Lei, Zhenxin, et autres
Publié: (2025)
par: Lei, Zhenxin, et autres
Publié: (2025)
Factorized Diffusion: Perceptual Illusions by Noise Decomposition
par: Geng, Daniel, et autres
Publié: (2024)
par: Geng, Daniel, et autres
Publié: (2024)
TimeChat-Captioner: Scripting Multi-Scene Videos with Time-Aware and Structural Audio-Visual Captions
par: Yao, Linli, et autres
Publié: (2026)
par: Yao, Linli, et autres
Publié: (2026)
video-SALMONN 2: Caption-Enhanced Audio-Visual Large Language Models
par: Tang, Changli, et autres
Publié: (2025)
par: Tang, Changli, et autres
Publié: (2025)
MaskMatch: Boosting Semi-Supervised Learning Through Mask Autoencoder-Driven Feature Learning
par: Zhang, Wenjin, et autres
Publié: (2024)
par: Zhang, Wenjin, et autres
Publié: (2024)
MV-CC: Mask Enhanced Video Model for Remote Sensing Change Caption
par: Liu, Ruixun, et autres
Publié: (2024)
par: Liu, Ruixun, et autres
Publié: (2024)
Unleashing Text-to-Image Diffusion Prior for Zero-Shot Image Captioning
par: Luo, Jianjie, et autres
Publié: (2024)
par: Luo, Jianjie, et autres
Publié: (2024)
DEVICE: Depth and Visual Concepts Aware Transformer for OCR-based Image Captioning
par: Xu, Dongsheng, et autres
Publié: (2023)
par: Xu, Dongsheng, et autres
Publié: (2023)
GPS as a Control Signal for Image Generation
par: Feng, Chao, et autres
Publié: (2025)
par: Feng, Chao, et autres
Publié: (2025)
From Image Captioning to Visual Storytelling
par: Passadakis, Admitos, et autres
Publié: (2025)
par: Passadakis, Admitos, et autres
Publié: (2025)
Dual Caption Preference Optimization for Diffusion Models
par: Saeidi, Amir, et autres
Publié: (2025)
par: Saeidi, Amir, et autres
Publié: (2025)
Point Prompting: Counterfactual Tracking with Video Diffusion Models
par: Shrivastava, Ayush, et autres
Publié: (2025)
par: Shrivastava, Ayush, et autres
Publié: (2025)
Masked Generative Story Transformer with Character Guidance and Caption Augmentation
par: Papadimitriou, Christos, et autres
Publié: (2024)
par: Papadimitriou, Christos, et autres
Publié: (2024)
Coefficients-Preserving Sampling for Reinforcement Learning with Flow Matching
par: Wang, Feng, et autres
Publié: (2025)
par: Wang, Feng, et autres
Publié: (2025)
SC-Captioner: Improving Image Captioning with Self-Correction by Reinforcement Learning
par: Zhang, Lin, et autres
Publié: (2025)
par: Zhang, Lin, et autres
Publié: (2025)
Visually-Aware Context Modeling for News Image Captioning
par: Qu, Tingyu, et autres
Publié: (2023)
par: Qu, Tingyu, et autres
Publié: (2023)
LocCa: Visual Pretraining with Location-aware Captioners
par: Wan, Bo, et autres
Publié: (2024)
par: Wan, Bo, et autres
Publié: (2024)
Enhancing Descriptive Captions with Visual Attributes for Multimodal Perception
par: Sun, Yanpeng, et autres
Publié: (2024)
par: Sun, Yanpeng, et autres
Publié: (2024)
Diffusion Based Augmentation for Captioning and Retrieval in Cultural Heritage
par: Cioni, Dario, et autres
Publié: (2023)
par: Cioni, Dario, et autres
Publié: (2023)
Evolved Hierarchical Masking for Self-Supervised Learning
par: Feng, Zhanzhou, et autres
Publié: (2025)
par: Feng, Zhanzhou, et autres
Publié: (2025)
Learning Speaker-Invariant Visual Features for Lipreading
par: Li, Yu, et autres
Publié: (2025)
par: Li, Yu, et autres
Publié: (2025)
Mask Approximation Net: A Novel Diffusion Model Approach for Remote Sensing Change Captioning
par: Sun, Dongwei, et autres
Publié: (2024)
par: Sun, Dongwei, et autres
Publié: (2024)
Frequency-Guided Masking for Enhanced Vision Self-Supervised Learning
par: Monsefi, Amin Karimi, et autres
Publié: (2024)
par: Monsefi, Amin Karimi, et autres
Publié: (2024)
Caption Anything in Video: Fine-grained Object-centric Captioning via Spatiotemporal Multimodal Prompting
par: Tang, Yunlong, et autres
Publié: (2025)
par: Tang, Yunlong, et autres
Publié: (2025)
Enhancing Prompt Following with Visual Control Through Training-Free Mask-Guided Diffusion
par: Chen, Hongyu, et autres
Publié: (2024)
par: Chen, Hongyu, et autres
Publié: (2024)
Sample-specific Masks for Visual Reprogramming-based Prompting
par: Cai, Chengyi, et autres
Publié: (2024)
par: Cai, Chengyi, et autres
Publié: (2024)
Analyzing Image Beyond Visual Aspect: Image Emotion Classification via Multiple-Affective Captioning
par: Zhou, Zibo, et autres
Publié: (2025)
par: Zhou, Zibo, et autres
Publié: (2025)
Mask$^2$DiT: Dual Mask-based Diffusion Transformer for Multi-Scene Long Video Generation
par: Qi, Tianhao, et autres
Publié: (2025)
par: Qi, Tianhao, et autres
Publié: (2025)
View Selection for 3D Captioning via Diffusion Ranking
par: Luo, Tiange, et autres
Publié: (2024)
par: Luo, Tiange, et autres
Publié: (2024)
Diff-Prompt: Diffusion-Driven Prompt Generator with Mask Supervision
par: Yan, Weicai, et autres
Publié: (2025)
par: Yan, Weicai, et autres
Publié: (2025)
LongCaptioning: Unlocking the Power of Long Video Caption Generation in Large Multimodal Models
par: Wei, Hongchen, et autres
Publié: (2025)
par: Wei, Hongchen, et autres
Publié: (2025)
MaskSem: Semantic-Guided Masking for Learning 3D Hybrid High-Order Motion Representation
par: Wei, Wei, et autres
Publié: (2025)
par: Wei, Wei, et autres
Publié: (2025)
Documents similaires
-
Efficient Vision-Language Pre-training by Cluster Masking
par: Wei, Zihao, et autres
Publié: (2024) -
Visual Anagrams: Generating Multi-View Optical Illusions with Diffusion Models
par: Geng, Daniel, et autres
Publié: (2023) -
New Encoder Learning for Captioning Heavy Rain Images via Semantic Visual Feature Matching
par: Son, Chang-Hwan, et autres
Publié: (2021) -
Motion Guidance: Diffusion-Based Image Editing with Differentiable Motion Estimators
par: Geng, Daniel, et autres
Publié: (2024) -
RxnCaption: Reformulating Reaction Diagram Parsing as Visual Prompt Guided Captioning
par: Song, Jiahe, et autres
Publié: (2025)